Nieuw algoritme kan uit jouw Twitterprofiel afleiden of je depressief bent of niet

En wel met een nauwkeurigheid van bijna 90 procent.

Depressieve klachten zijn helaas een veelvoorkomend probleem. Je hebt in dat geval langdurig een sombere stemming, voelt je neerslachtig en ‘ontstemd’, wanneer het niet langer lukt om in resonantie met jezelf en de omringende wereld te leven. Volgens de Wereldgezondheidsorganisatie hebben wereldwijd 300 miljoen mensen(!) te kampen met depressie. Het zijn flinke cijfers. Maar hoe krijgen we op tijd in de gaten of iemand om ons heen depressief is? Misschien wel dankzij een slim algoritme op Twitter.

Algoritme
Onderzoekers hebben in een nieuwe studie een algoritme ontwikkeld dat in 9 van de 10 gevallen depressieve Twitter-gebruikers kan herkennen. En dat is een belangrijke stap vooruit. Een dergelijk systeem zou namelijk in staat kunnen zijn om een depressieve Twitter-gebruiker tijdig te signaleren, waardoor vroege diagnose mogelijk wordt. Het nieuw ontwikkelde algoritme maakt dan ook de weg vrij voor sociale media-platforms om proactief geestelijke gezondheidsproblemen bij gebruikers op te sporen.

De cijfers
Ook in Nederland viert depressie helaas hoogtij. Naar schatting krijgt één op de vijf Nederlanders op een bepaald punt in zijn of haar leven te maken met een depressie. Elk jaar geldt dat voor ongeveer vijf procent van de volwassenen. Vrouwen in de leeftijdscategorie 25-34 jaar hebben de grootste kans om depressief te worden.

Het algoritme gaat als volgt te werk. Het bepaalt iemands mentale toestand door 38 verschillende factoren te analyseren uit zijn of haar openbare Twitter-profiel. Het kijkt daarbij naar de inhoud van de berichten en bepaalt bijvoorbeeld hoeveel positieve en negatieve woorden en emoji’s er gebruikt worden. Ook de tijd waarop er een bericht geplaatst wordt en het aantal vrienden en volgers worden in ogenschouw genomen. Op basis daarvan neemt het algoritme uiteindelijk een beslissing over de mentale en emotionele toestand van de gebruiker.

Nauwkeurigheid
Onderzoekers trainden het algoritme met behulp van twee databases, die de Twitter-geschiedenis van duizenden gebruikers bevatten, naast aanvullende informatie over hun geestelijke gesteldheid. En zoals uit de resultaten blijkt, is het algoritme er aardig vaardig in geworden om depressieve Twitter-gebruikers aan het licht te brengen. Zo had het in 88,39 procent van de gevallen het bij het juiste eind. Een bijzonder hoge score. “Alles boven de 90 procent wordt als uitstekend beschouwd,” licht onderzoeker Abdul Sadka toe. “Dus 88 procent is echt fantastisch. Hoe dichter je bij de 90 procent komt, hoe beter.”

Toepassingen
Overigens onderstrepen de onderzoekers dat hun voorgestelde algoritme platformonafhankelijk is. “Dit betekent dat het ook eenvoudig kan worden uitgebreid naar andere sociale media-platforms, zoals Facebook of WhatsApp,” aldus onderzoeker Huiyu Zhou. Daarnaast hoeft het algoritme ook niet alleen gebruikt te worden om tijdig depressieve gebruikers op te sporen. Het kan in de toekomst verschillende doeleinden hebben. Zo stellen de onderzoekers bijvoorbeeld dat het mogelijk ook in strafrechtelijk onderzoek nuttig kan zijn.

Hoewel het algoritme zich al deels heeft bewezen, is het onderzoeksteam van plan het verder te verfijnen. “In de volgende fase van dit onderzoek willen we de validiteit ervan in verschillende omgevingen en achtergronden onderzoeken,” schetst Zhou. “En, nog belangrijker, de technologie die uit dit onderzoek is voortgekomen, kan verder worden ontwikkeld voor andere toepassingen. Denk aan e-commerce, wervingsonderzoek of screening van kandidaten.”

Wist je dat…

…Facebookberichten zo’n 21 gezondheidsaandoeningen kunnen voorspellen? Zo verraden de berichten maar liefst 21 verschillende ziektes en aandoeningen waaronder diabetes, een hoge bloeddruk, psychoses en depressies. Lees hier verder!

Bronmateriaal

"Bot can spot depressed Twitter users in 9 out of 10 cases" - Brunel University London

Afbeelding bovenaan dit artikel: Brunel University London

Fout gevonden?

Voor jou geselecteerd